AI 基础设施主导招聘主线，短窗反弹难改长中窗口收缩

招聘总量继续收缩，短窗反弹不构成反转

截至 2026 年 10 月 12 日，Talent Signal 结构化招聘样本在 180 天窗口内共 7742 个，90 天 3547 个，30 天 373 个，7 天 99 个。90d/180d 为 0.4582，低于上一版的 0.4729，长中窗口的需求动能仍在走弱。对前沿科技公司来说，总量收缩并不等于关键岗位竞争降温，预算收紧时企业会把手里的名额集中投向少数真正决定产品节奏和商业化进度的位置，任务关键型人才的争夺反而更激烈。

30d/90d 从上一版的 0.0979 升到 0.1052，7d/30d 从 0.2129 升到 0.2654，两个短窗比率都在抬升。但 7 天绝对量只有 99 个，比率抬升更多来自分母缩小，而不是新增需求突然涌入。把这类信号读成市场回暖是典型的短窗误读；对于追求高确定性招聘的团队，它更像一个提醒：窗口越短噪声越大，招聘节奏应当由长中窗口的趋势来校准。

AI 基础设施仍是主线，数据与 Agent/RAG 出现短窗分化

AI 基础设施在 180/90/30/7 天四个窗口分别占 54.3%、70.0%、44.5%、46.5%，绝对量 4204、2481、166、46 个，跨窗口始终是最大主题。长窗口超过五成、90 天接近七成，意味着它已经不是一条并行赛道，而是当前前沿科技招聘的底座。新增样本中的 Staff ML Engineer、AI Lead、AI Enablement、ML Engineer 都落在这条主线上，结构没有迁移。AI/算法与数据职能在长窗口合计约占 61.8%，技术职能约 18%，说明重心仍在模型、数据与工程化落地之间；只盯算法研究员而忽略数据管线、评测与训练基础设施的团队，往往在半年内发现模型能力无法转成产品能力。

短窗出现分化。数据职能长窗口稳定在 25.5%–27.7%，30 天和 7 天却降到 11.0% 和 11.1%，较上一版 7 天的 15.8% 明显回落，绝对量仅 41 个和 11 个；Agent/RAG 四窗口为 12.3%、11.6%、13.9%、9.1%，7 天跌破 10%，只剩 9 个。这两个方向短窗偏弱、长中窗口稳定，属于节奏波动而非结构退出。合理的做法是按长窗口的稳定性配置关键岗位，既不被短期占比下行说服而暂停招聘，也不据此放大编制。

企业形态分散，单一赛道解释不了招聘供给

新增 63 条事实覆盖的企业横跨支付风控、AI 基础设施、SaaS AI 启用、广告机器学习、数字资产交易所与钱包、咨询与内容设计等多种形态，岗位包括信用模型验证、数据科学、AI 负责人、AI 启用软件工程、机器学习工程、商务拓展、后端工程、视频内容与咨询顾问。需求并不集中在单一行业或单一垂直赛道，任何用一条赛道解释全部岗位供给的判断都会失真。

这种分散直接改变了岗位定义方式。同一职能在不同企业形态下对应的能力要求差别很大，支付风控侧的数据科学家与广告机器学习侧的数据科学家，可迁移的是方法而非场景经验。企业做人才地图时，如果只按职能名称归档，很难分辨谁真正处理过与自己相近的技术约束与合规约束。

安全、风控与数字资产：小样本里的大噪声

安全职能四个窗口占 6.8%、8.4%、10.2%、10.1%，短窗仍在 10% 以上；风控主题只有 1.2%、1.0%、3.5%、2.0%，7 天仅 2 个。两者背离，说明不能把安全招聘的活跃等同于合规需求整体上行。产品安全、平台安全与金融犯罪合规所需的能力画像差异很大，放进同一个招聘池会让岗位定义失真。

数字资产相关主题同样需要克制。Web3 infra、wallet/payment、trading infra 三类合计在 180/90/30/7 天占 3.2%、3.3%、9.4%、10.1%，7 天中 Web3 infra 6.1%（6 个）、trading infra 3.0%（3 个）、wallet/payment 1.0%（1 个）。短窗占比抬升明显，绝对量却极小，长窗口仍低，只能作为细分信号。真正需要留意的是交易基础设施与钱包方向是否持续放出关键岗位，这要等后续窗口验证。

薪酬披露缺口与职级结构如何影响人才判断

薪酬 unknown 占比在 180/90/30/7 天分别为 21.5%、22.1%、56.8%、61.6%，7 天超过六成，unknown 61 个、strong 仅 38 个。短窗薪酬横向比较的可靠性很低，把 unknown 样本当作薪酬下行证据属于误推。对前沿科技公司来说，公开薪酬基线在短窗几乎不可用，offer 的确定性更要靠职责范围、技术挑战与团队阶段来定义，而不是靠短窗中位数。

职级结构总体稳定，none 在四个窗口占 58.6%–64.1%；短窗 lead 9.1%（9 个）、staff 7.1%（7 个）、head 4.0%（4 个）。高级岗位占比有抬升迹象，绝对量太小，不能确认扩张。大量岗位没有明确职级标签，只按 title 做人才地图，很容易把高级岗位与普通岗位混为一谈；高确定性招聘需要回到职责范围、技术深度与决策权限上判断。

Talentverse 判断

这轮信号的核心不是总量涨跌，而是可观察的招聘信号正在变少、变碎，同时真正决定胜负的岗位并没有同比例减少。企业如果按总量收缩做同比例缩编，最先被砍掉的往往是不直接产出功能的位置，而数据管线、评测与训练基础设施这类位置，恰恰是 AI 基础设施主线能不能兑现的前提。

需要优先配置的角色有三类：训练与推理基础设施、模型工程化等 AI 基础设施岗位，四个窗口 54.3% 到 70.0% 的跨度说明这条主线没有替代品；能够同时处理数据语义与系统落地的技术与产品人才，长窗口 AI/算法与数据合计约 61.8% 是这一判断的量化依据；安全与支付风控交叉的关键岗位，短窗安全职能仍在 10% 以上，说明这类能力正被单独计价。

容易被误读的有两处：数据与 Agent/RAG 的短窗回落容易被读成方向性退出，但长中窗口的稳定性说明这是节奏而非趋势；数字资产短窗抬升容易被读成赛道级机会，但 7 天 6 个、3 个、1 个的绝对量不足以支撑这种结论。与此同时，7 天 61.6% 的薪酬未知率意味着任何以薪酬为锚的招聘决策在这一窗口内都缺乏证据基础。

样本量从 7742 收缩到 99 的过程，本身就是噪声放大的过程。在噪声里辨认真正不可替代的能力，需要长期的人才研究积累与对岗位本质的判断，而不是对短期比率做出反应。窗口越小，越需要有人替企业承担这份判断责任，这正是高确定性招聘在当前市场里的价值所在。